Analiza przyczyn rotacji personelu pielęgniarskiego wskazała konkretne punkty zapalne
Pielęgniarki odchodziły, a zarząd nie znał prawdziwych powodów. Prywatny model AI wydobył je z rozmów wyjściowych i ankiet.
Co bolało
Szpital tracił pielęgniarki w niepokojącym tempie, ale prawdziwe przyczyny odejść tonęły w niespójnych notatkach z rozmów wyjściowych i ankietach, których nikt nie zdążył przeanalizować. Decyzje retencyjne podejmowano po omacku.
Co wdrożyliśmy
Postawiliśmy prywatny model AI analizujący rozmowy wyjściowe i ankiety satysfakcji w obrębie infrastruktury szpitala. System grupuje powtarzające się powody odejść, wskazuje oddziały o najwyższym ryzyku i wydobywa konkretne sygnały, na które warto zareagować.
Efekt
Rotacja personelu pielęgniarskiego spadła o ponad jedną piątą w skali roku. Zarząd zobaczył czarno na białym, które oddziały i jakie problemy generują najwięcej odejść, i mógł zadziałać celnie. Działania retencyjne przestały być zgadywaniem. Wrażliwe dane pracownicze są analizowane wyłącznie lokalnie, bez wynoszenia poza szpital.
„Dowiedzieliśmy się, dlaczego naprawdę odchodzą, i mogliśmy to wreszcie naprawić u źródła."
dyrektorka ds. personalnych
Placówkę opisujemy anonimowo. Część scenariuszy bazuje na realnych wdrożeniach, część na powtarzalnych sytuacjach z rynku ochrony zdrowia w Polsce. Pełne referencje z kontaktem do decydenta udostępniamy po podpisaniu NDA. Liczby mają charakter orientacyjny i nie są gwarancją wyniku dla konkretnej placówki.